2024 春季火山引擎 Force 原动力大会大家看了吗？放大招了，火山引擎第一次正式亮相了豆包大模型家族，一口气直接祭出了9个成员。
以下是大会的重点信息概要：
1. 核心模型：豆包通用模型分为两个尺寸，大杯（Pro）和中杯（Lite），其中Pro版本窗口尺寸最大可达128K，全系列可精调；Lite版本响应速度快。 2. 价格优势：豆包通用模型Pro的价格远低于行业标准，小于32K窗口尺寸的价格为0.0008元/千tokens，128K窗口尺寸为0.005元/千tokens。 3. 使用量：豆包大模型自上线以来，每天处理的token数量高达1200亿，生成图片数量为3000万张。 4. 多场景应用：豆包大模型在抖音、今日头条等50多个场景中进行实践和验证。 5. 文本对话与语音功能：豆包大模型在文本对话和语音合成方面表现出色，提供了更自然、更像人的声音效果。 6. 角色扮演模型：豆包大模型还包括角色扮演模型，允许用户与虚拟角色进行对话。 7. AI应用开发平台：火山引擎还发布了一站式AI应用开发平台“扣子（coze）”，支持用户通过简单的操作来创建智能体。 8. 火山方舟2.0：火山引擎的MaaS平台火山方舟升级到2.0版本，提供一站式服务，让企业可以快速落地大模型应用。 9. 安全性与稳定性：火山方舟在算力、算法和安全层面提供了优化方案，包括GPU资源池、SFT训练引擎和安全沙箱等。 10. 差异化插件：火山引擎提供了联网插件、内容插件和RAG知识库插件，以提供差异化服务。 11. 战略差异：火山引擎的战略与其他大模型厂商不同，更注重实际使用量和用户体验，而不是仅仅依赖榜单分数和参数规模。 12. 市场反馈：豆包APP累计下载量超过1亿，火山引擎与多个行业的企业合作，共同优化大模型。 13. 总体评价：火山引擎的大模型以更大的使用量、更低的价格、更多的应用场景、更人性化和智能化的特点，展示了其在大模型时代的竞争力。
小编觉得本次大会最吸引我的当属这个文本对话语音功能了，很逼真了，大家可以一起感受一下：（右键视频-显示控件-可以打开声音）
更多介绍可以戳这里: 2024 春季火山引擎 Force 原动力大会
昨晚 OpenAI 发布了 GPT-4o 后，压力就给到了 Google I/O ，现在给我说 OpenAI 不是故意的，我都不信！
这场发布会体现了 Google 在 AI 领域的深厚技术积累和对未来技术趋势的洞察，同时也表明了 Google 将 AI 技术深度融合到其产品生态中的决心。
以下是发布会的一些重点概述：
发布会要点： 1、Google Search AI：发布了 AI Overviews，加强版 AI 搜索概要功能，多步推理能力上架。 2、Gemini 大模型：Gemini 1.5 Flash（100 万上下文）；Gemini Pro（200 万上下文）。 3、Gemma 大模型：发布开源多模态大模型 Pali Gemma 和 Gemma2。 4、AI in Google Workspace：用 Gemini 的能力和 Side Panel 的形式，将 Google 系列产品串在一起。 5、Gemini App：手机版的 Gemini 应用程序，即将支持和 AI 视频对话，近几周发布。 6、Project Astra：最新的多模态 AI 项目，包含 Imagen3、 Music AI Sandbox 和 Veo 等针对图像、音乐、视频的生成式 AI。
更多关于2024 谷歌I/O大会 的介绍及点评，大家可以看看这篇文章，总结的非常详细：Google I/O 2024
太震撼了啊，没等到GPT-5，却迎来了 OpenAI 新旗舰模型GPT-4o！
5月14日凌晨，GPT-4o 在 OpenAI 官网正式发布了，GPT-4o是一个多模态模型，能够处理视频、音频和文本数据，具有实时推理的能力。它能够执行多种任务，包括实时翻译、唱歌、做数学题和讲笑话等。GPT-4o的语音响应时间非常短，平均响应时间为320毫秒，并且在MMLU评测中创下了88.7%的新高分，超过了其他市面上的大模型。
这是正儿八经的原生多模态，更重要的是可以实时推理音频、视觉和文本，注意这里是实时，实时，实时，推理的不是文本，是音频！视觉！
某种程度上，AGI 已然成为现实，我们即将迎来一个新的时代啊！
哈哈，我发现了一个超级逗趣的AI小游戏，《换你来当爹》！这游戏太神奇了，剧情和图片都是AI根据LLM的情节现场打造的，玩得时候简直像是在看好莱坞大片，效果炸裂，比起那些人工制作的游戏也毫不逊色！
但这游戏的卖点，可不仅仅是高质量哦！最厉害的是，它的剧情可以无穷无尽，你的“好大儿”的成长道路总是千变万化，绝不重复。想象一下，你可以把那个总惹麻烦的室友、脚臭得能让人昏厥的发小，还有那个一天到晚放屁的同桌，统统收入麾下，变成你的“乖儿子”。通过你的悉心“调教”，他们会眼泪汪汪地喊出：“爸爸，您辛苦了！”是不是感觉人生巅峰就在此刻？
别忘了，你也要像个真正的老爸一样对他们的行为作出回应。是请他们吃“竹笋炒肉”，还是温柔地讲道理，都会影响他们的“孝顺值”。游戏结束时，还有一份超详细的“生涯统计”等你查收，看看你的“育儿”成果如何。
我猜，这种寓教于乐、互动满满的游戏方式，说不定就是陪伴式AI的下一个大热门。更多的玩法，更低的上手和消费难度，这不就是我们梦寐以求的娱乐体验吗？赶紧来试试，看你能不能成为“最佳虚拟老爸”！
这里领取你的孝子，来了都是爹： https://lipu.badiya.cn/
设计师们，最近有个超级给力的AI工具你们一定不能错过，那就是刚刚更名为“即梦”的剪映Dreamina！这个全新的品牌不仅名字梦幻，功能更是强大到不行。
如果你经常需要为了找灵感、作图、处理图片而烦恼，那“即梦”绝对是你的救星。它支持将你的文字描述直接转化成图片，就像变魔术一样，把你脑海中的创意呈现出来。再也不用为了找不到合适的图片而发愁了！
而且，它的智能画布功能简直太神奇了。你可以轻松抠图、重组图像，甚至根据提示词重新绘制新的图像。这简直就是设计师的福音啊，再也不用为了修图、抠图熬夜加班了。
更厉害的是，它还能将你的文字描述转换成视频！你没听错，就是直接生成视频。如果你想做视频内容，但是又不懂剪辑、特效，这个功能简直就是你的大救星。只需要输入文字，就能生成一段精彩的视频，还支持利用图片作为基础，通过AI智能生成视频内容。这简直就是视频创作的新时代啊！
如果你们还在为作图、修图、视频剪辑而烦恼，那就赶紧试试“即梦”吧！它绝对会让你们爱不释手的！
线上体验地址：https://jimeng.jianying.com/ai-tool/video/generate
随着AI生成内容的广泛应用，大家是不是越来越难以区分AI和人类创作的内容？
5月8日，OpenAI在官网宣布，将推出面向其文生图模型DALL·E 3 的内容识别器，以及一个媒体管理器，这个识别器可以帮助开发人员快速识别内容的真假。
而且，这次ChatGPT的内容也有所改进：OpenAI最近在ChatGPT生成的内容中加上了原始网站链接，以保护知识产权并增加内容的可信度。
以下是案例：达拉斯最适合午夜约会的5家餐厅。ChatGPT会在回答的每一条内容上加上餐厅的官网地址。
更多详细的介绍戳这里：原文地址
好消息啊！4月27日，在2024中关村论坛-未来人工智能先锋论坛上，清华大学联合生数科技正式发布了，中国首个长时间、高一致性、高动态性视频大模型——Vidu。
大家期待已久的国产大模型，这不就来了吗？
Vidu采用了原创的Diffusion与Transformer融合架构U-ViT，能够支持文本生成长达16秒、分辨率高达1080P的高清视频内容。
Vidu不仅能够模拟真实物理世界，还具备丰富想象力，具备多镜头生成、时空一致性高等技术特点。这也是继Sora发布之后，全球率先取得重大突破的视频大模型，性能全面对标国际顶尖水平，并加速功能迭代中。
现在已经开放试用了，还不赶紧来试一试？
试用地址：https://www.shengshu-ai.com/home?ref=maginative.com
4月25日晚，OpenAI联合创始人兼首席执行官Sam Altman，在斯坦福大学的英伟达（NVIDIA）礼堂进行了公开演讲，超过1000名学生排队参加此次活动。
Altman说：“GPT-5将会比GPT-4更强大，GPT-6将会比GPT-5更智能，OpenAI的终极目标始终都没有变就是实现——AGI（通用人工智能）。”
以下是本次演讲的一些关键信息总结： 1. Sam Altman的演讲：作为OpenAI的联合创始人兼首席执行官，Sam Altman在斯坦福大学的NVIDIA礼堂进行了演讲，吸引了超过1000名学生。 2. AI的未来发展：Altman认为，人类尚未达到AI的极限，并且OpenAI的目标是实现通用人工智能（AGI）。他提到GPT-5将比GPT-4更强大，而GPT-6将比GPT-5更智能。 3. 开源与闭源：Altman认为，为了实现AGI，需要大量的资金投入，因此开源可能不是最佳途径。OpenAI从最初的开源策略转变为闭源，以确保商业回报和持续创新。 4. 资金与投资：他提到，为了推动AGI的发展，无论每年需要多少资金，只要能为全人类和AI领域做出贡献，他都不在乎。 5. OpenAI的核心能力：OpenAI的核心能力在于技术变革，能够定义AI能力的下一个范式转变。 6. Sora模型：OpenAI发布了文生视频模型Sora，这可能会对影视、游戏开发、广告营销等行业产生重大影响。 7. 免费使用ChatGPT：OpenAI宣布无需注册就能免费使用ChatGPT，这有助于那些没有能力开发类似产品的国家或地区。 8. 英伟达与OpenAI的合作：英伟达创始人黄仁勋向OpenAI捐赠了先进的AI超级计算机，这表明了两家公司之间的紧密合作关系。
4月24日，苹果开源了大语言模型OpenELM。这与微软刚开源的Phi-3 Mini类似，是一款专门针对手机等移动设备的模型。
以下是一些重点信息的摘要： 1. 开源OpenELM: 苹果公司开源了一个名为OpenELM的大语言模型，这与微软开源的Phi-3 Mini类似，是专为移动设备设计的模型。 2. 模型参数: OpenELM提供了四种不同参数规模的模型，分别是2.7亿、4.5亿、11亿和30亿参数。 3. 功能: 该模型能够执行生成文本、代码、翻译、总结摘要等功能。 4. 预训练数据: 尽管最小的模型只有2.7亿参数，但苹果使用了1.8万亿tokens的数据进行预训练，这是其小参数下仍能表现出色的原因之一。 5. 深度神经网络库CoreNet: 苹果同时开源了用于训练OpenELM的深度神经网络库CoreNet，该库在开源后不久就在GitHub上获得了超过1100个星标。 6. 苹果的开源策略: 苹果通常在手机领域采取闭源策略，但此次开源可能是为了吸引用户，未来可能会推出闭源产品实现商业化。 7. 技术贡献: 苹果不仅发布了模型权重和推理代码，还发布了完整的训练和评估框架，包括数据准备、模型训练、微调和评估流程，以及多个预训练检查点和训练日志。 8. OpenELM架构: OpenELM的架构，包括其技术创新点，如无编码器的transformer架构、层级缩放策略、不使用全连接层中的可学习偏置参数等。 9. 训练流程与数据集: 苹果使用CoreNet作为训练框架，Adam优化算法，以及动态分词和数据过滤的方法。
开源地址：https://huggingface.co/collections/apple/openelm-instruct-models-6619ad295d7ae9f868b759ca?ref=maginative.com CoreNet地址：https://github.com/apple/corenet?ref=maginative.com 论文地址：https://arxiv.org/abs/2404.14619
